合成表情优于真实表情用于学习检测面部动作
计算机视觉与模式识别
2020-10-22 v1
摘要
训练分类器检测面部动作的关键障碍是标注视频数据库规模有限以及许多动作出现频率相对较低。为解决这些问题，我们提出一种利用面部表情生成的方法。我们的方法从每帧视频重建面部三维形状，将三维网格对齐至规范视角，然后训练基于 GAN 的网络合成具有感兴趣面部动作单元的新颖图像。为评估该方法，在两个独立数据集上训练了深度神经网络：一个网络训练于由 FERA17 生成的合成面部表情视频；另一个网络训练于同一数据库的原始视频。两个网络使用相同的训练与验证划分，并在 FERA17 真实视频的测试划分上测试。训练于合成面部表情的网络表现优于训练于真实面部表情的网络，并超越了当前最先进的方法。
引用
@article{arxiv.2010.10979,
title = {Synthetic Expressions are Better Than Real for Learning to Detect Facial Actions},
author = {Koichiro Niinuma and Itir Onal Ertugrul and Jeffrey F Cohn and László A Jeni},
journal= {arXiv preprint arXiv:2010.10979},
year = {2020}
}